Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa

Aneta Ptak-Chmielewska; Karolina Baszniak; Jarosław Kurpanik

doi:10.5604/01.3001.0015.9862

Aneta Ptak-Chmielewska Szkoła Główna Handlowa w Warszawie, Instytut Statystyki i Demografii, Polska / SGH Warsaw School of Economics, Institute of Statistics and Demography, Poland ORCID: https://orcid.org/0000-0002-9896-4240 , Karolina Baszniak ING Tech Poland , Jarosław Kurpanik Uniwersytet Ekonomiczny w Katowicach, Wydział Informatyki i Komunikacji, Polska / University of Economics in Katowice, Faculty of Informatics and Communication, Poland ORCID: https://orcid.org/0000-0002-4288-4647 Wiadomości Statystyczne. The Polish Statistician, vol. 67, 2022, 9, s. 24-52 Opublikowano online: 30 września 2022 DOI 10.5604/01.3001.0015.9862 Sposób cytowania: Ptak-Chmielewska, A., Baszniak, K., Kurpanik, J. (2022). Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa. Wiadomości Statystyczne. The Polish Statistician, 67(9), 24–52. https://doi.org/10.5604/01.3001.0015.9862.

3008 Wyświetlenia 114 Pobrania

ARTYKUŁ

(Polski) PDF

STRESZCZENIE

Pandemia COVID-19 odmieniła życie ludzi na całym świecie, m.in. wpłynęła na kondycję psychiczną i funkcjonowanie wielu rodzin. Głównym celem badania omawianego w artykule jest ocena wpływu pandemii COVID-19 na stan zdrowia psychicznego członków gospodarstw domowych. W badaniu posłużono się zbiorem danych pochodzących z ankiety COVID Impact Survey, przeprowadzonej w 2020 r. (w trakcie pierwszej fali pandemii) w Stanach Zjednoczonych wśród osób dorosłych przez organizację Data Foundation. Analizie poddano 6768 obserwacji. Oszacowano model regresji logistycznej oraz modele oparte na metodach data mining, takich jak: drzewa decyzyjne, wzmacnianie gradientowe, metoda k-najbliższych sąsiadów, sztuczne sieci neuronowe i metoda wektorów wspierających. Analiza skupień pozwoliła podzielić respondentów na grupy uwidaczniające cechy charakterystyczne i problemy członków gospodarstw domowych, a w utworzonym modelu uwzględniono kwestie zdrowia i zaburzeń psychicznych oraz ich związek z sytuacją finansową gospodarstw. Wyniki badania wskazują na to, że izolacja, zdalny tryb nauczania i pracy oraz mniejsza aktywność fizyczna przyczyniają się do pogarszania się stanu zdrowia psychicznego.

SŁOWA KLUCZOWE

uczenie maszynowe, pandemia COVID-19, data mining, stan zdrowia psychicznego, gospodarstwo domowe, Stany Zjednoczone

JEL

C1, C45, I12

BIBLIOGRAFIA

Alpaydin, E. (2004). Introduction to Machine Learning. MIT Press.

American Psychiatric Association. (2019, April). Warning Signs of Mental Illness. https://psychiatry.org/patients-families/warning-signs-of-mental-illness.

Brown, G. W., Moran, P. M. (1997). Single mothers, poverty and depression. Psychological medicine, 27(1), 21–33. https://doi.org/10.1017/s0033291796004060.

Covid Impact Survey. (b.r.). Reliable information about the impacts of the COVID-19 pandemic. Pobrane 10 października 2021 r. z https://www.covid-impact.org/.

Czeisler, M. É., Lane, R. I., Petrosky, E., Wiley, J. F., Christensen, A., Njai, R., Weaver, M. D., Robbins, R., Facer-Childs, E. R., Barger, L. K., Czeisler, C. A., Howard, M. E., Rajaratnam, S. M. W. (2020). Mental Health, Substance Use, and Suicidal Ideation During the COVID-19 Pandemic. Centers for Disease Control and Prevention.

European Foundation for the Improvement of Living and Working Conditions. (2021). Living, working and COVID-19 (Update April 2021): Mental health and trust decline across EU as pandemic enters another year. Publications Office of the European Union. https://doi.org/10.2806/76802.

Frątczak, E. (red.). (2012). Zaawansowane metody analiz statystycznych. Oficyna Wydawnicza Szkoła Główna Handlowa w Warszawie.

Ghoneim, S. (2019, April 2). Accuracy, Recall, Precision, F-Score & Specificity, which to optimize on?. https://towardsdatascience.com/accuracy-recall-precision-f-score-specificity-which-to-optimize-on-867d3f11124.

Healthline. (b.r.). 2. Lost interest. https://www.healthline.com/health/depression/recognizing-symptoms#lostinterest.

Kanter, J. W., Busch, A. M., Weeks, C. E., Landes, S. J. (2008). The Nature of Clinical Depression: Symptoms, Syndromes, and Behavior Analysis. The Behavior analyst, 31(1), 1–21. https://doi.org/10.1007/BF03392158.

Kennedy, S. H. (2008). Core symptoms of major depressive disorder: relevance to diagnosis and treatment. Dialogues in clinical neuroscience, 10(3), 271–277. https://doi.org/10.31887/DCNS.2008.10.3/shkennedy.

Kim, H. S., Sohn, S. Y. (2010). Support Vector Machines for Default Prediction of SMEs Based on Technology Credit. European Journal of Operational Research, 201(3), 838–846. https://doi.org/10.1016/j.ejor.2009.03.036.

National Institute of Mental Health. (2021). Chronic Illness and Mental Health Recognizing and Treating Depression. https://www.nimh.nih.gov/sites/default/files/documents/health/publications/chronic-illness-mental-health/21-mh-8015-chronicillness-mentalhealth_1.pdf.

Pan, K-Y., Kok, A. A. L., Eikelenboom, M. Horsfall, M., Jörg, F., Luteijn, R. A., Rhebergen, D., van Oppen, P., Giltay, E. J., Penninx, B. W. J. H. (2021). The mental health impact of the COVID-19 pandemic on people with and without depressive, anxiety or obsessive-compulsive disorders: a longitudinal study of three Dutch case-control cohorts. The Lancet Pychiatry, 8(2), 121–129. https://doi.org/10.1016/S2215-0366(20)30491-0.

Panek, T., Zwierzchowski, J. (2013). Statystyczne metody wielowymiarowej analizy porównawczej. Teoria i zastosowania. Oficyna Wydawnicza Szkoły Głównej Handlowej w Warszawie.

Pereira-Miranda, E., Costa, P. R. F., Queiroz, V. A. O., Pereira-Santos, M., Santana, M. L. P. (2017). Overweight and Obesity Associated with Higher Depression Prevalence in Adults: A Systematic Review and Meta-Analysis. Journal of the American Collage of Nutrition, 36(3), 223–233. https://doi.org/10.1080/07315724.2016.1261053.

Larose, D. T. (2008). Metody i modele eksploracji danych. Wydawnictwo Naukowe PWN.

Lasek, M., Pęczkowski, M. (2013). Enterprise Miner. Wykorzystanie narzędzi Data Mining w systemie SAS. Wydawnictwa Uniwersytetu Warszawskiego. https://doi.org/10.31338/uw.9788323527701.

Rokach, L. Maimon, O. (2014). Data mining with decision trees. Theory and Applications (2nd edition). World Scientific Publishing.

Sarma, K. S. (2007). Predictive Modeling with SAS Enterprise Miner. Practical Solutions for Business Applications. SAS Institute.

Surkova, E., Nikolayevsky, V., Drobniewski, F. (2020). False-positive COVID-19 results: hidden problems and costs. The Lancet. Respiratory medicine, 8(12), 1167–1168. https://doi.org/10.1016/S2213-2600(20)30453-7.

Scope Ratings. (2020, 28 February). Scope affirms China’s sovereign rating at A+ and maintains the Outlook at Negative. Pobrane 11 March 2020 r z https://scoperatings.com/#!search/research/detail/162598EN.

Hastie, T., Tibshirani, R., Friedman, J. H. (2001). The Elements of Statistical Learning. Data Mining, Inference and Predition. Springer-Verlag.

Turner, B. (2020, April 3). ‘Most significant crisis in the history of travel’: where to now for tourism?. https://www.smh.com.au/business/the-economy/most-significant-crisis-in-the-history-of-travelwhere-to-now-for-tourism-20200227-p5450j.html.

Tyko, K., Guynn, J., Snider, M. (2020, February 28). Coronavirus fears empty store shelves of toilet paper, bottled wate, masks as shoppers stock up. https://eu.usatoday.com/story/money/2020/02/28/coronavirus-2020-preparation-more-supply-shortages-expected/4903322002/.

Weeks, D. G., Michela, J. L., Bragg, M. E. (1980). Relation Between Loneliness and Depression: A Structural Equation Analysis. American Psychological Association.

World Food Programme. (2021, 5 maja). Global Report on Food Crises – 2021. https://www.wfp.org/publications/global-report-food-crises-2021.

World Health Organization. (2020, October 5). COVID-19 disrupting mental health services in most countries, WHO survey. https://www.who.int/news/item/05-10-2020-covid-19-disrupting-mental-health-services-in-most-countries-who-survey.

World Health Organization. (b.r.). Coronavirus disease (COVID-19) pandemic. Pobrane 10 października 2021 r. https://www.who.int/.

Wozniak, A., Willey, J., Benz, J., Hart, N. (2020). COVID Impact Survey. National Opinion Research Center.

Yelp. (2020, wrzesień). Local Economic Impact Report. https://www.yelpeconomicaverage.com/business-closures-update-sep-2020.

Yuen, K. F., Wang, X., Ma, F., Li, K. X. (2020). The Psychological Causes of Panic Buying Following a Health Crisis. International Journal of Environmental Research and Public Health, 17(10), 1–14. https://doi.org/10.3390/ijerph17103513.

Wróć do: